wake-up-neo.com

Setzen Sie Sterne auf ggplot-Balkendiagramme und Boxplots, um die Signifikanzstufe (p-Wert) anzugeben.

Es ist üblich, Sterne auf Balkendiagrammen oder Boxplots zu setzen, um die Signifikanzstufe (p-Wert) einer oder zwischen zwei Gruppen anzuzeigen. Nachfolgend einige Beispiele: 

enter image description hereenter image description hereenter image description here

Die Anzahl der Sterne wird durch den p-Wert definiert. Beispielsweise kann man 3 Sterne für den p-Wert <0,001, zwei Sterne für den p-Wert <0,01 usw. setzen (dies ändert sich jedoch von einem Artikel zum anderen).

Und meine Fragen: Wie generiere ich ähnliche Diagramme? Die Methoden, mit denen Sterne automatisch anhand des Signifikanzniveaus gesetzt werden, sind mehr als willkommen.

33
Ali

Bitte finden Sie meinen Versuch unten.

Example plot

Zuerst erstellte ich einige Dummy-Daten und ein Balkendiagramm, das nach Wunsch geändert werden kann.

windows(4,4)

dat <- data.frame(Group = c("S1", "S1", "S2", "S2"),
                  Sub   = c("A", "B", "A", "B"),
                  Value = c(3,5,7,8))  

## Define base plot
p <-
ggplot(dat, aes(Group, Value)) +
    theme_bw() + theme(panel.grid = element_blank()) +
    coord_cartesian(ylim = c(0, 15)) +
    scale_fill_manual(values = c("grey80", "grey20")) +
    geom_bar(aes(fill = Sub), stat="identity", position="dodge", width=.5)

Das Hinzufügen von Sternchen über einer Spalte ist einfach, wie bereits erwähnt. Erstellen Sie einfach einen data.frame mit den Koordinaten.

label.df <- data.frame(Group = c("S1", "S2"),
                       Value = c(6, 9))

p + geom_text(data = label.df, label = "***")

Um die Bögen hinzuzufügen, die einen Untergruppenvergleich anzeigen, berechnete ich die parametrischen Koordinaten eines Halbkreises und fügte sie hinzu, die mit geom_line verbunden waren. Sternchen brauchen auch neue Koordinaten.

label.df <- data.frame(Group = c(1,1,1, 2,2,2),
                       Value = c(6.5,6.8,7.1, 9.5,9.8,10.1))

# Define arc coordinates
r <- 0.15
t <- seq(0, 180, by = 1) * pi / 180
x <- r * cos(t)
y <- r*5 * sin(t)

arc.df <- data.frame(Group = x, Value = y)

p2 <-
p + geom_text(data = label.df, label = "*") +
    geom_line(data = arc.df, aes(Group+1, Value+5.5), lty = 2) +
    geom_line(data = arc.df, aes(Group+2, Value+8.5), lty = 2)

Um den Vergleich zwischen den Gruppen anzuzeigen, habe ich einen größeren Kreis gebildet und ihn oben abgeflacht.

r <- .5
x <- r * cos(t)
y <- r*4 * sin(t)
y[20:162] <- y[20] # Flattens the arc

arc.df <- data.frame(Group = x, Value = y)

p2 + geom_line(data = arc.df, aes(Group+1.5, Value+11), lty = 2) +
     geom_text(x = 1.5, y = 12, label = "***")
34
Jens Tierling

Ich weiß, dass dies eine alte Frage ist und die Antwort von Jens Tierling bietet bereits eine Lösung für das Problem. Ich habe aber kürzlich eine ggplot-Erweiterung erstellt, die das Hinzufügen von Signifikanzleisten vereinfacht: ggsignif

Anstatt langwierig geom_line und geom_text zu Ihrem Plot hinzuzufügen, fügen Sie einfach eine einzelne Ebene hinzu geom_signif:

library(ggplot2)
library(ggsignif)

ggplot(iris, aes(x=Species, y=Sepal.Length)) + 
  geom_boxplot() +
  geom_signif(comparisons = list(c("versicolor", "virginica")), 
              map_signif_level=TRUE)

 Boxplot with significance bar

Um ein besseres Diagramm zu erstellen, das dem von Jens Tierling gezeigten ähnlich ist, können Sie Folgendes tun:

dat <- data.frame(Group = c("S1", "S1", "S2", "S2"),
              Sub   = c("A", "B", "A", "B"),
              Value = c(3,5,7,8))  

ggplot(dat, aes(Group, Value)) +
  geom_bar(aes(fill = Sub), stat="identity", position="dodge", width=.5) +
  geom_signif(stat="identity",
              data=data.frame(x=c(0.875, 1.875), xend=c(1.125, 2.125),
                              y=c(5.8, 8.5), annotation=c("**", "NS")),
              aes(x=x,xend=xend, y=y, yend=y, annotation=annotation)) +
  geom_signif(comparisons=list(c("S1", "S2")), annotations="***",
              y_position = 9.3, tip_length = 0, vjust=0.4) +
  scale_fill_manual(values = c("grey80", "grey20"))

 enter image description here

Die vollständige Dokumentation des Pakets finden Sie unter CRAN .

32
Artjom

Es gibt auch eine Erweiterung des Pakets ggsignif mit dem Namen ggpubr , die bei Vergleichen von mehreren Gruppen leistungsfähiger ist. Es baut auf ggsignif auf, behandelt aber auch Anova und Kruskal-wallis sowie paarweise Vergleiche mit dem globalen Mittelwert.

Beispiel:

library(ggpubr)

my_comparisons = list( c("0.5", "1"), c("1", "2"), c("0.5", "2") )

ggboxplot(ToothGrowth, x = "dose", y = "len",
          color = "dose", palette = "jco")+ 
  stat_compare_means(comparisons = my_comparisons, label.y = c(29, 35, 40))+
  stat_compare_means(label.y = 45)

 enter image description here

16
Holger Brandl

Meine eigene Funktion gemacht:

ts_test <- function(dataL,x,y,method="t.test",idCol=NULL,paired=F,label = "p.signif",p.adjust.method="none",alternative = c("two.sided", "less", "greater"),...) {
    options(scipen = 999)

    annoList <- list()

    setDT(dataL)

    if(paired) {
        allSubs <- dataL[,.SD,.SDcols=idCol] %>% na.omit %>% unique
        dataL   <- dataL[,merge(.SD,allSubs,by=idCol,all=T),by=x]  #idCol!!!
    }

    if(method =="t.test") {
        dataA <- eval(parse(text=paste0(
                       "dataL[,.(",as.name(y),"=mean(get(y),na.rm=T),sd=sd(get(y),na.rm=T)),by=x] %>% setDF"
                       )))
        res<-pairwise.t.test(x=dataL[[y]], g=dataL[[x]], p.adjust.method = p.adjust.method,
                        pool.sd = !paired, paired = paired,
                        alternative = alternative, ...)
    }

    if(method =="wilcox.test") {
        dataA <- eval(parse(text=paste0(
            "dataL[,.(",as.name(y),"=median(get(y),na.rm=T),sd=IQR(get(y),na.rm=T,type=6)),by=x] %>% setDF"
        )))
        res<-pairwise.wilcox.test(x=dataL[[y]], g=dataL[[x]], p.adjust.method = p.adjust.method,
                             paired = paired, ...)
    }

    #Output the groups
    res$p.value %>% dimnames %>%  {paste(.[[2]],.[[1]],sep="_")} %>% cat("Groups ",.)

    #Make annotations ready
    annoList[["label"]] <- res$p.value %>% diag %>% round(5)

    if(!is.null(label)) {
        if(label == "p.signif"){
            annoList[["label"]] %<>% cut(.,breaks = c(-0.1, 0.0001, 0.001, 0.01, 0.05, 1),
                                         labels = c("****", "***", "**", "*", "ns")) %>% as.character
        }
    }

    annoList[["x"]] <- dataA[[x]] %>% {diff(.)/2 + .[-length(.)]}
    annoList[["y"]] <- {dataA[[y]] + dataA[["sd"]]} %>% {pmax(lag(.), .)} %>% na.omit

    #Make plot
    coli="#0099ff";sizei=1.3

    p <-ggplot(dataA, aes(x=get(x), y=get(y))) + 
        geom_errorbar(aes(ymin=len-sd, ymax=len+sd),width=.1,color=coli,size=sizei) +
        geom_line(color=coli,size=sizei) + geom_point(color=coli,size=sizei) + 
        scale_color_brewer(palette="Paired") + theme_minimal() +
        xlab(x) + ylab(y) + ggtitle("title","subtitle")


    #Annotate significances
    p <-p + annotate("text", x = annoList[["x"]], y = annoList[["y"]], label = annoList[["label"]])

    return(p)
}

Daten und Anruf:

library(ggplot2);library(data.table);library(magrittr);

df_long    <- rbind(ToothGrowth[,-2],data.frame(len=40:50,dose=3.0))
df_long$ID <- data.table::rowid(df_long$dose)

ts_test(dataL=df_long,x="dose",y="len",idCol="ID",method="wilcox.test",paired=T)

Ergebnis:

 enter image description here

2
Andre Elrico

Ich fand dieses ist nützlich.

library(ggplot2)
library(ggpval)
data("PlantGrowth")
plt <- ggplot(PlantGrowth, aes(group, weight)) +
  geom_boxplot()
add_pval(plt, pairs = list(c(1, 3)), test='wilcox.test')
0
Rashedul Islam